Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
高校講座 | 第2回 内容ベース推薦システム
Search
Sponsored
·
Your Podcast. Everywhere. Effortlessly.
Share. Educate. Inspire. Entertain. You do you. We'll handle the rest.
→
RecSysLab
PRO
August 06, 2022
Technology
0
510
高校講座 | 第2回 内容ベース推薦システム
下記教科書を基にした高校生向けの推薦システム講座の講義スライドです。
奥 健太:基礎から学ぶ推薦システム - 情報技術で嗜好を予測する -, コロナ社 (2022)
RecSysLab
PRO
August 06, 2022
Tweet
Share
More Decks by RecSysLab
See All by RecSysLab
データベース|SQL
recsyslab
PRO
0
110
龍谷ICT教育|プログラミング演習科目における自動採点ツールを用いた自由進度学習
recsyslab
PRO
0
160
[RecSys2023論文読み会]Interface Design to Mitigate Inflation in Recommender Systems
recsyslab
PRO
0
160
[RecSys2022論文読み会]Bundle MCR: Towards Conversational Bundle Recommendation
recsyslab
PRO
0
450
高校講座 | 第1回 推薦システムとは
recsyslab
PRO
0
560
高校講座 | 第3回 協調ベース推薦システム
recsyslab
PRO
0
490
内容ベース推薦システム | 第2回 推薦システム概論
recsyslab
PRO
0
860
協調ベース推薦システム | 第3回 推薦システム概論
recsyslab
PRO
0
840
知識ベース推薦システム | 第4回 推薦システム概論
recsyslab
PRO
0
760
Other Decks in Technology
See All in Technology
Even G2 クイックスタートガイド(日本語版)
vrshinobi1
0
120
CREがSLOを握ると 何が変わるのか
nekomaho
0
220
Blue/Green Deployment を用いた PostgreSQL のメジャーバージョンアップ
kkato1
0
160
契約書からの情報抽出を行うLLMのスループットを、バッチ処理を用いて最大40%改善した話
sansantech
PRO
3
320
Oracle Cloud Infrastructure(OCI):Onboarding Session(はじめてのOCI/Oracle Supportご利⽤ガイド)
oracle4engineer
PRO
2
17k
出版記念イベントin大阪「書籍紹介&私がよく使うMCPサーバー3選と社内で安全に活用する方法」
kintotechdev
0
110
脳が溶けた話 / Melted Brain
keisuke69
1
1.1k
MIX AUDIO EN BROADCAST
ralpherick
0
120
タスク管理も1on1も、もう「管理」じゃない - KiroとBedrock AgentCoreで変わった“判断の仕事”
yusukeshimizu
0
140
スケーリングを封じられたEC2を救いたい
senseofunity129
0
120
ハーネスエンジニアリング×AI適応開発
aictokamiya
1
690
Oracle AI Database@AWS:サービス概要のご紹介
oracle4engineer
PRO
3
2k
Featured
See All Featured
Reality Check: Gamification 10 Years Later
codingconduct
0
2.1k
Gemini Prompt Engineering: Practical Techniques for Tangible AI Outcomes
mfonobong
2
340
Why You Should Never Use an ORM
jnunemaker
PRO
61
9.8k
The Myth of the Modular Monolith - Day 2 Keynote - Rails World 2024
eileencodes
26
3.4k
How to make the Groovebox
asonas
2
2.1k
Groundhog Day: Seeking Process in Gaming for Health
codingconduct
0
130
Mozcon NYC 2025: Stop Losing SEO Traffic
samtorres
0
190
The Director’s Chair: Orchestrating AI for Truly Effective Learning
tmiket
1
140
The Anti-SEO Checklist Checklist. Pubcon Cyber Week
ryanjones
0
100
Intergalactic Javascript Robots from Outer Space
tanoku
273
27k
Building the Perfect Custom Keyboard
takai
2
720
WENDY [Excerpt]
tessaabrams
9
37k
Transcript
推薦システムの仕組み ~この商品を買った人は、こんな商品も買っています~ 高校講座 | 第2回 内容ベース推薦システム 奥 健太
シナリオ Aliceはとあるカレー屋を訪れました。このカレー屋では、辛さと甘さの異なる8種類のカレーを提供して います。Aliceは、これまでに5種類のカレーを試してきました。そのうち、下表のように3種類のカレーを 「好き」、2種類のカレーを「嫌い」と評価してきました。評価値が「?」となっているカレーについて は、Aliceはまだ試していません。Aliceにはどのカレーを推薦するのが良いでしょうか? アイテムID アイテム名 辛さ 甘さ 評価値
1 5辛3甘 5 3 好き 2 4辛4甘 4 4 好き 3 3辛3甘 3 3 好き 4 2辛8甘 2 8 嫌い 5 4辛9甘 4 9 嫌い 6 3辛4甘 3 4 ? 7 1辛7甘 1 7 ? 8 8辛6甘 8 6 ? Aliceの評価履歴 2
ユーザ、アイテム、評価履歴 ユーザ: 推薦システムの利用者 アイテム:推薦システムにおいて扱う商品やコンテンツなど 評価値: ユーザのアイテムに対する好き嫌い 評価履歴: ユーザがこれまで利用してきた アイテムに対して与えた評価値の履歴 アイテムID
アイテム名 辛さ 甘さ 評価値 1 5辛3甘 5 3 好き 2 4辛4甘 4 4 好き 3 3辛3甘 3 3 好き 4 2辛8甘 2 8 嫌い 5 4辛9甘 4 9 嫌い 6 3辛4甘 3 4 ? 7 1辛7甘 1 7 ? 8 8辛6甘 8 6 ? Aliceの評価履歴 3
類似度に基づく推薦 4
アイテムを座標平面上に表してみよう アイテムID アイテム名 辛さ 甘さ 評価値 1 5辛3甘 5 3
好き 2 4辛4甘 4 4 好き 3 3辛3甘 3 3 好き 4 2辛8甘 2 8 嫌い 5 4辛9甘 4 9 嫌い 6 3辛4甘 3 4 ? 7 1辛7甘 1 7 ? 8 8辛6甘 8 6 ? 10 5 0 10 5 甘 さ 辛さ 1 2 3 4 5 6 7 8 5
10 5 0 10 5 甘 さ 辛さ 1 2
3 4 5 6 7 8 アイテムをベクトルで表すと便利 8辛6甘カレー 辛さ 甘さ *数学B -> 数学C:ベクトル ベクトル*: 数を縦または横に並べたもの 6
10 5 0 10 5 甘 さ 辛さ 1 2
3 Aliceの好みの辛さ、甘さは? 好みのアイテムのベクトルの平均 ユーザプロファイル ユーザの嗜好を表したもの 7
10 5 0 10 5 甘 さ 辛さ 6 7
8 問題 | Aliceはどれが好き? 8
10 5 0 10 5 甘 さ 辛さ 6 7
8 ベクトルのなす角を考えよう コサイン類似度 ベクトルのなす角* *数学II:三角関数、*数学B -> 数学C:ベクトル 9
10 5 0 10 5 甘 さ 辛さ 6 7
8 演習 | 他のコサイン類似度も計算してみよう 10
コサイン類似度が高いとどうなの? コサイン類似度が1に近いほど、二つのベクトルが同じ方向を向いている 類似している 11
10 5 0 10 5 甘 さ 辛さ 6 7
8 順位 アイテムID アイテム名 辛さ 甘さ 類似度 1位 8 8辛6甘 8 6 2位 6 3辛4甘 3 4 3位 7 1辛7甘 1 7 コサイン類似度でランキング Aliceには 8辛6甘カレーがおすすめ 12
k 近傍法 13
10 5 0 10 5 甘 さ 辛さ 1 2
3 4 5 6 7 8 近傍のアイテムから好き嫌いを予測してみよう このあたりは好き? このあたりは嫌い? 14
10 5 0 10 5 甘 さ 辛さ 1 2
3 4 5 7 近傍のアイテムはどれ? 15
10 5 0 10 5 甘 さ 辛さ 3 7
距離を考えよう 2点間の距離* *数学II:図形と方程式 16
10 5 0 10 5 甘 さ 辛さ 1 2
3 4 5 7 演習 | 他の距離も計算してみよう 17
10 5 0 10 5 甘 さ 辛さ 1 2
3 4 5 7 近傍 k 個のアイテムを見つけよう(k = 3) アイテムID アイテム名 辛さ 甘さ 距離 4 2辛8甘 2 8 5 4辛9甘 4 9 2 4辛4甘 4 4 3 3辛3甘 3 3 1 5辛3甘 5 3 18
10 5 0 10 5 甘 さ 辛さ 1 2
3 4 5 7 近傍 k 個のアイテムで多数決 好き × 1 vs. 嫌い × 2 Aliceは1辛7甘カレーが嫌い 19
10 5 0 10 5 甘 さ 辛さ 1 2
3 4 5 6 7 8 演習 | 他のアイテムの好き嫌いも予測してみよう 好き × 嫌い × 3辛4甘カレー 好き × 嫌い × 8辛6甘カレー 20
10 5 0 10 5 甘 さ 辛さ 1 2
3 4 5 6 7 8 k 近傍法でランキング Aliceには 3辛4甘カレーがおすすめ 順位 アイテムID アイテム名 辛さ 甘さ 好き 嫌い 1位 6 3辛4甘 3 4 3 0 2位 8 8辛6甘 8 6 2 1 21